東北地理所在中國典型湖泊葉綠素a定量遙感研究中取得新進展
湖泊具有多種生態(tài)功能，是環(huán)境和氣候變化的敏感單元之一。近年來，隨著我國人口和經(jīng)濟的快速增長，陸源人為干擾活動加劇，湖泊富營養(yǎng)問題嚴峻，嚴重影響湖泊生態(tài)系統(tǒng)健康和流域居民用水安全。葉綠素a作為浮游植物中的主要色素，通常用于表征水生生態(tài)系統(tǒng)中藻類生物量的大小以及湖泊富營養(yǎng)化狀態(tài)。因此，開展實時動態(tài)且高精度葉綠素a定量遙感研究迫在眉睫，以期闡釋湖泊生態(tài)系統(tǒng)應對全球變化的響應機制。
目前，葉綠素a定量遙感研究多集中于分析算法、經(jīng)驗算法和半分析算法，雖然在一些湖泊案例應用取得較好的反演精度，但這些算法易受到區(qū)域背景環(huán)境條件和大氣組成成分影響。隨著人工智能—機器學習算法的發(fā)展，開辟葉綠素a定量遙感技術(shù)的新思路。因此，中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所水環(huán)境遙感學科組的科研人員們在2017-2019年采集中國典型45個湖泊的水體樣品，共計獲取273個實測葉綠素a濃度值，基于哨兵2號衛(wèi)星反射率數(shù)據(jù)（Sentinel-2 A/B MSI）和葉綠素a敏感波段組合數(shù)據(jù)集，借助機器學習算法，訓練和驗證葉綠素a反演模型，取得較高的反演精度。研究結(jié)果表明，線性回歸（LR）、支持向量機（SVM）和Catboost機器算法均獲取比傳統(tǒng)葉綠素a經(jīng)驗算法較高的反演精度。其中，SVM獲取更穩(wěn)健的模型反演效果（訓練和驗證結(jié)果：R2>0.88），并在低懸浮物濃度、高DOC濃度的湖泊水體中反演效果更佳。此外，研究結(jié)果還表明機器學習算法在中國大尺度湖泊葉綠素a定量遙感研究中具有應用潛力，為中國湖泊葉綠素a定量遙感和富營養(yǎng)化監(jiān)測提供技術(shù)支撐。
該研究成果發(fā)表在國際期刊 Science of Total Environmental上，中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所李思佳助理研究員為第一作者，宋開山研究員為通訊作者。
該研究得到了國家重點計劃課題（2019YFC0409105）和國家自然科學基金重點項目（41730104）等共同資助。
圖1.圖形摘要
論文信息如下：
Sijia Li, Kaishan Song*, Shuai Wang, Ge Liu, Zhidan Wen, Yingxin Shang, Lili Lyu, Fangfang Chen, Shiqi Xu, Hui Tao, Yunxia Du, Chong Fang, Guangyi Mu. Quantification of chlorophyll-a in typical lakes across China using Sentinel-2 MSI imagery with machine learning algorithm. Science of Total Environmental, 2021, 778: 146271.
鏈接：https://doi.org/j.scitotenv.2021.146271
附件下載：
吉公網(wǎng)安備22017302000214號
